换一批基于深度学习的储粮害虫图像目标检测研究进展与挑战
A Review of Grain Storage Pest Image Detection:Advances and Challenges in Deep Learning-based Object Detection
摘要储粮害虫是威胁粮食数量与质量安全的重要因素,传统人工检验方法存在效率低和实时性不足的问题,亟需发展智能化检测技术.计算机视觉与深度学习的快速发展为储粮害虫检测提供了新的解决方案.本文系统梳理了该领域最新研究进展,主要包括:一是综述了基于深度学习的储粮害虫检测方法,包括单阶段模型、双阶段模型及多尺度特征融合、频域特征增强与注意力机制等改进路径;二是总结并对比了近年来代表性研究的性能表现,发现主流方法的检测精度已稳定在 90％～99％,部分轻量化模型在保持高精度的同时实现了实时性与可部署性;三是归纳了当前研究面临的数据集局限、小目标检测困难、模型复杂度高及可解释性不足等挑战,展望了未来发展方向,包括跨场景大规模数据集建设、轻量化与硬件加速、多模态融合与时空建模、模型鲁棒性与可信性的提升.本文旨在为储粮害虫检测的研究与应用提供参考,为智能储粮体系建设与粮食安全保障提供理论与技术支撑.
更多相关知识
关键词
储粮害虫深度学习目标检测计算机视觉多模态融合智能粮仓stored-grain pest detectiondeep learningobject detectioncomputer visionmultimodal fusionintelligent granary
分类号
TS207.7
栏目名称
DOI
10.16210/j.cnki.1007-7561.2026.02.025
发布时间
2026-04-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
